Skip to Content

НЕЙРОСЕТЬ НА СЛУЖБЕ НОВЫХ МАТЕРИАЛОВ

Ученые Удмуртского федерального исследовательского центра УрО РАН под руководством главного научного сотрудника, заведующего отделом теоретической физики доктора физико-математических наук Анатолия Аржникова научили нейросеть определять упорядочение в сплавах при различных концентрациях. Посвященная результатам этой работы статья опубликована в 2021 году в американском журнале AIP Advances (American Institute of Physics).
Как рассказал Анатолий Аржников, разработка методики была начата с решения достаточно простой задачи: с помощью метода Монте-Карло (когда вероятностные характеристики процесса описываются на основе большого количества случайных данных) были сформированы характеристики бинарного сплава при фиксированной концентрации. На этих данных ученые «обучили» нейронную сеть, которая повторила результаты метода Монте-Карло.
После этого, используя полученные «знания», нейросеть смогла определить свойства сплавов уже во всем диапазоне концентраций, включая те, при которых ее напрямую не «обучали».
Что же дает эта решенная с помощью нейросетей научная задача? «Представьте себе: есть экспериментальный набор данных для сплава при фиксированной концентрации, и в эксперименте я могу определить ближний порядок в этом сплаве, — рассказывает Анатолий Аржников. — Я обучаю на этих данных нейронную сеть — и она выдает результаты по упорядочению сплавов при других концентрациях, для которых нет ни эксперимента, ни теории».
Эту методику ученые Удмуртии разработали для одной определенной архитектуры нейронной сети — так называемой ограниченной машины Больцмана. «Мы предложили специальную методику обучения этой машины и воспроизведение результатов. Такого метода до сих пор не было. Мы впервые предложили и использовали его в обучении нейронной сети для конкретного сплава. К счастью, у нас все получилось», — продолжает   Анатолий Константинович.
Ученые связывают с открытием этого метода очень большие надежды. В теоретической плоскости он поможет в описании электронных состояний сильных корреляций, сверхпроводимости. Огромное поле для работы открывается и в практической сфере исследования сплавов.
«Эта методика дает возможность, не проводя экспериментов, предугадать, какими будут свойства материалов, — считает Анатолий Аржников. — Представьте себе: я провел один эксперимент, а знаю об этом материале данные при всех концентрациях. Мы часто говорим о «цифровых заводах», о цифровых двойниках. Это и есть цифровой двойник бинарного сплава: «обученная» нейросеть обладает «знаниями», которые позволяют ей воспроизводить характеристики сплава во всем диапазоне концентраций, не прибегая к дополнительным экспериментам и расчетам. Особенно важно это для новых направлений в материаловедении, в частности, для описания высокоэнтропийных сплавов».
Ученый уверен, что сейчас, когда эта научная работа опубликована, найдутся люди, которые смогут использовать предложенный метод.
В развитие этих исследований Анатолий Аржников со старшим научным сотрудником УдмФИЦ УрО РАН Маратом Тимиргазиным уже подготовили к публикации еще одну научную работу. В настоящее время она находится на рецензировании в США.
По материалам пресс-службы Удмуртского федерального исследовательского центра УрО РАН
 
Год: 
2021
Месяц: 
апрель
Номер выпуска: 
8
Абсолютный номер: 
1231
Изменено 30.04.2021 - 14:01


2021 © Российская академия наук Уральское отделение РАН
620049, г. Екатеринбург, ул. Первомайская, 91
document@prm.uran.ru +7(343) 374-07-47